Dieser Inhalt präsentiert einen Benchmark für feinabgestimmte Wav2vec 2.0- und HuBERT-Modelle in kritischen Sprachverarbeitungsaufgaben. Er bewertet deren Leistung in der Sprachemotionserkennung, Sprecherverifikation und dem Verstehen gesprochener Sprache.
O artigo investiga como as unidades discretas de fala (DSUs), derivadas de modelos SSL, codificam o tom lexical, descobrindo que elas o fazem de forma menos confiável do que a estrutura segmental. Embora as representações latentes do SSL codifiquem o tom, a quantização tende a priorizar a estrutura fonética, um problema demonstrado em mandarim e iorubá que persiste com vários métodos.
Dieser Inhalt behandelt praktische Herausforderungen beim Einsatz von Googles Gemma-4-Modell, stellt ein neues Open-Source-Tool zur Sprach-Text-Ausrichtung vor und erörtert wichtige Datenschutzaspekte für Claude Enterprise-Nutzer.
Dieser Inhalt beschreibt das Clova-Basissystem, das für die VoxCeleb Speaker Recognition Challenge 2020 entwickelt wurde. Er erläutert die Methodologien und die technische Architektur, die für die Sprechererkennung bei diesem Wettbewerb verwendet wurden.